导读:本文包含了微光图像论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:微光,图像,卷积,神经网络,遥感,探测器,夜视。
微光图像论文文献综述
简武真[1]（2019）在《基于深度全卷积神经网络微光遥感图像增强算法的研究》一文中研究指出随着互联网技术的不断进步,在目前紧张的国际形势下,图像增强处理技术在军事,遥感,天文等领域扮演者越来越重要的角色。遥感器是如何实现夜间对地实时监测?这离不开图像处理技术的快速发展,图像增强与去噪技术是图像处理流程中不可或缺的预处理环节。然而微光传感器在晨昏、黎明环境下所拍摄的图像仍具有低对比度、低亮度以及低信噪比的“叁低特性”,严重限制了地物目标的识别和判读。传统低照度图像增强算法如直方图均衡、伽马变换、对比度受限自适应直方图均衡等算法虽然能够实现微光遥感图像的增强,解决对比度提高问题,但是由增强带来的噪声放大效应严重影响了增强图像的信噪比,使对比度提升效果大大折扣。因此,针对此问题,本文提出一种基于数据驱动的微光遥感图像增强算法开展理论及试验研究。利用在极低照度下拍摄并且保留了最原始的图像数据信息所获得的实测微光图像数据对,训练得到一个由编码器-解码器结构组成的深度全卷积神经网络,并由此对低对比度、低亮度、低信噪比微光遥感图像实现增强。结果表明:与传统增强算法相比,基于全卷积神经网络的增强算法在大幅提升微光图像对比度的同时,不但可以最大可能地保留原始信息并抑制噪声放大,而且能够实现有效像素的增加,更利于解译判读。同时也提升了后期对微光遥感图像的有效分割及识别。(本文来源于《陕西师范大学》期刊2019-05-01）
刘超,张晓晖,胡清平[2]（2018）在《一种基于深度去噪自编码的超低照度微光图像复原方法》一文中研究指出针对超低照度条件下微光图像具有的低信噪比、低对比度导致目标难以辨识的问题,提出了一种基于深度网络和去噪自编码的微光图像复原方法。该方法利用栈式稀疏去噪自编码(stacked sparse denoising autoencoder,SSDA)从大量微光图像训练集中学习超低照度条件下微光图像本质特征,实现了自适应去噪和对比度增强。随后,进行了实验,实验结果表明:所提方法对超低照度条件下微光图像复原具有很好的效果。(本文来源于《海军工程大学学报》期刊2018年06期）
蒋云峰,武东生,黄富瑜[3]（2019）在《真彩微光夜视图像融合算法》一文中研究指出简要阐述了基于全波与叁波段的真彩色微光夜视系统原理,结合图像融合的一般算法,研究了加权平均法、基于线性变换增强的Brovey法、HIS(色调、亮度和饱和度)空间法及基于边缘分割的HIS法4种真彩微光夜视图像融合算法,详细阐述了融合算法的实现方法和过程。研究结果表明,利用基于线性变换增强的Brovey法,得到场景一和场景二的融合图像的综合客观评价指标值,分别为27.9647、31.2756,均大于其余3种算法得到的值。在这4种融合算法中,由基于线性变换增强的Brovey法得到的融合图像视觉效果最优。(本文来源于《激光与光电子学进展》期刊2019年08期）
胡申森,马烁,严卫,徐凯,江军[4]（2018）在《基于夜间卫星微光图像的重力波参数研究》一文中研究指出大气重力波是一种普遍存在于大气系统中的中小尺度扰动现象,在一系列中层大气动力过程中扮演着关键角色。重力波产生后在向高层大气传播的过程中,会扰乱局部的温度和密度,进而调制周围的气辉辐射强度,因此在新月条件下的夜间卫星微光图像中,重力波的存在通常会导致气辉具有明显的波纹图像特征。本文针对夜间DNB微光图像的特点,系统地提出了在获取重力波参数过程中处理DNB图像的方法,并利用二维S变换方法对图像中重力波参数的求解进行了尝试,能够有效地获取重力波水平波长和传播方向的分布。(本文来源于《第35届中国气象学会年会 S21 卫星气象与生态遥感》期刊2018-10-24）
刘超,张晓晖,胡清平[5]（2018）在《超低照度下微光图像增强神经网络损失函数设计分析》一文中研究指出超低照度下(环境照度小于2×10~(-3)lux)微光图像具有低信噪比、低对比度等特点,使目标难以辨识,严重影响观察效果。为了提高超低照度下微光图像质量,设计了一种用于微光图像增强的卷积自编码深度神经网络,并针对传统的均方误差损失函数不符合人类视觉感知特性等问题,结合现有的全参考图像质量评价指标,研究了包括感知损失在内的几种损失函数,并提出了一种新的可微分损失函数。实验结果表明,在网络结构不发生改变的情况下,所提损失函数具有更好的性能,在提高微光图像信噪比和对比度的同时,能够有效地增强图像内部细节信息。(本文来源于《国防科技大学学报》期刊2018年04期）
杨钒,钱立志,刘晓,张强[6]（2018）在《红外与微光图像开窗配准融合处理方法》一文中研究指出为解决图像实时融合以及红外与微光图像视场大小不一致等问题,提出一种基于仿射变换的红外与微光图像开窗配准融合处理方法。首先以大视场微光图像为背景,对图像中人眼感兴趣的目标区域信息进行开窗,窗口的大小由系统硬件速度和配准融合算法的运算量决定,然后在相同的目标窗口区域,通过双线性插值和仿射变换建立一种红外与微光图像各个像素点的对应匹配关系来完成窗口图像的快速配准与融合,实验对开窗融合结果进行了分析与评价。结果表明,该方法在满足人眼观察需求的条件下既减小图像融合处理数据,又保留了重要的细节融合信息,有效地提高了图像融合的实时性,对兼顾硬件速度与实时性要求的图像融合系统具有较高的应用价值。(本文来源于《激光与红外》期刊2018年08期）
张元涛,曹开钦,孙德新,刘银年[7]（2018）在《高灵敏度低噪声科学级CMOS图像传感器微光探测》一文中研究指出分析了基于科学级互补金属氧化物半导体(sCMOS)图像传感器的微光成像系统的噪声特性,建立了系统噪声模型并进行了系统噪声测试。结果显示,系统噪声的均方根值小于1e~-。建立了系统信噪比模型,计算得到微光成像系统在10~(-3) lx的夜天光照条件下的信噪比优于1,理论值与实测值之间的误差小于10%。提出了一种自适应的条纹噪声处理方法,有效消除了低照度图像中的行条纹噪声,采用对比度受限的自适应直方图均衡的方法提升了高动态范围图像的对比度。(本文来源于《激光与光电子学进展》期刊2018年08期）
张元涛,孙德新,刘银年[8]（2018）在《基于CMOS图像传感器的微光成像系统信噪比研究》一文中研究指出信噪比是微光成像系统的关键参数,决定了成像系统的性能与成像质量。给出了互补金属氧化物半导体(Complementary Metal--Oxide--Semiconductor,CMOS)图像传感器微光成像系统的信噪比模型,仿真计算了系统的信噪比与信号、噪声的关系。搭建了信噪比测试环境,完成了系统信噪比测试实验。实验结果表明,理论值与实测值一致。最后,根据信噪比分析结果对给定系统进行了参数优化。计算结果显示,优化后的系统在1mLux照度下,信噪比能达到4.5。信噪比的研究为基于CMOS微光成像系统的总体设计与优化提供了理论依据。(本文来源于《红外》期刊2018年07期）
胡中泽[9]（2018）在《微光下红外与可见光图像融合算法研究》一文中研究指出图像信息作为最直观的信息类型,受到广泛关注和研究。特别是红外和可见光的图像信息融合,由于红外和可见光各自的成像特性使得它们的图像信息有很好的互补性,能有效地展示和综合图像的特征信息、突出红外目标、增强场景理解等,在医学、军事、监控、搜救等领域具有巨大利用价值。随着信息融合技术的发展,人们提出了多种融合方法,这些方法可分为叁类:替代方法,神经网络方法和多尺度变换方法。然而,这些算法在提取源图像主要信息的过程中很容易丢失一些细节或是处理速度缓慢影响图像融合效果。本文主要通过研究融合算法,将微光条件下的目标更易显现。图像融合分为图像分解、系数融合和图像重构叁个部分,本文从图像的分解与重构法和融合规则两方面进行算法改进结合,二者用在红外图像和可见光图像融合中,主要研究内容包括以下几个方面:首先,了解了红外及可见光传感器的成像特性,对微光下红外与可见光进行了系统分析建立了权值模型和图像融合模型,并对图像融合的评价指标及评价依据进行了详细介绍和探讨。其次,对于红外图像的预处理进行研究,从图像配准、图像平滑降噪和增强目标对比度叁个方面,通过实验分析比较,以提升红外与可见光图像的融合效果,增强融合图像的可观测性。然后,对现有的离散小波变换(DWT)、主成成分分析(PCA)、非下采样Contourlet变换(NSCT)融合算法进行总结和归纳,依据这些算法的变换理论,做了仿真试验,指出了其中的不足,为之后的改进算法提供理论方法和对比数据。最后,提出了两种改进型的融合算法,分析了算法的方法思路,建立模型系统,总结实验步骤,并通过试验效果以及和其他算法的比对,实验结果证明这两种红外与可见光图像融合算法都是有效的,能更有效的保留源图像中的目标信息及空间结构信息,融合图像更为清晰且信息含量更多,从而证明了算法的有效性。综上所述,本文研究了红外与可见光图像融合技术,针对微光下红外图像与可见光图像的特点,研究现有算法融合效果,并提出两种改进图像融合算法,通过仿真实验验证了所提出的算法具有较好的融合效果。(本文来源于《安徽理工大学》期刊2018-06-10）
余越,胡秀清,闵敏,许廷发,何玉青[10]（2018）在《NPP/VIIRS微光图像融合中国中东部城市灯光算法》一文中研究指出美国新一代环境气象卫星NPP/联合极轨卫星系统(JPSS)增加了可见光红外成像辐射仪(VIIRS)白天/夜间波段(DNB)的微光昼夜成像通道,继承了国防气象卫星计划(DMSP)线性扫描业务系统(OLS)收集全球微光成像数据的能力,并在性能上有大幅提升,利用VIIRS DNB数据可以进行夜间城市灯光探测。针对中国中东部经济快速发展区域城市灯光产品的迫切需求,综合考虑云层、月光、太阳照射、闪电、火灾等因素的影响,对低质量数据和非灯光特征数据进行识别和剔除,采用VIIRS DNB多天夜间数据进行融合,将多天无月光的有效灯光辐亮度数据进行平均,生成中国中东部地区夜间城市灯光的月合成产品。将本算法生成的产品与美国国家海洋和大气管理局(NOAA)业务城市灯光产品的辐射亮度值进行对比验证后发现,两者具有可比性。所开发的城市灯光融合产品算法为后端的衍生应用及其他夜间微光遥感产品的反演奠定了技术基础。(本文来源于《激光与光电子学进展》期刊2018年10期）
微光图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对超低照度条件下微光图像具有的低信噪比、低对比度导致目标难以辨识的问题,提出了一种基于深度网络和去噪自编码的微光图像复原方法。该方法利用栈式稀疏去噪自编码(stacked sparse denoising autoencoder,SSDA)从大量微光图像训练集中学习超低照度条件下微光图像本质特征,实现了自适应去噪和对比度增强。随后,进行了实验,实验结果表明:所提方法对超低照度条件下微光图像复原具有很好的效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
微光图像论文参考文献
[1].简武真.基于深度全卷积神经网络微光遥感图像增强算法的研究[D].陕西师范大学.2019
[2].刘超,张晓晖,胡清平.一种基于深度去噪自编码的超低照度微光图像复原方法[J].海军工程大学学报.2018
[3].蒋云峰,武东生,黄富瑜.真彩微光夜视图像融合算法[J].激光与光电子学进展.2019
[4].胡申森,马烁,严卫,徐凯,江军.基于夜间卫星微光图像的重力波参数研究[C].第35届中国气象学会年会S21卫星气象与生态遥感.2018
[5].刘超,张晓晖,胡清平.超低照度下微光图像增强神经网络损失函数设计分析[J].国防科技大学学报.2018
[6].杨钒,钱立志,刘晓,张强.红外与微光图像开窗配准融合处理方法[J].激光与红外.2018
[7].张元涛,曹开钦,孙德新,刘银年.高灵敏度低噪声科学级CMOS图像传感器微光探测[J].激光与光电子学进展.2018
[8].张元涛,孙德新,刘银年.基于CMOS图像传感器的微光成像系统信噪比研究[J].红外.2018
[9].胡中泽.微光下红外与可见光图像融合算法研究[D].安徽理工大学.2018
[10].余越,胡秀清,闵敏,许廷发,何玉青.NPP/VIIRS微光图像融合中国中东部城市灯光算法[J].激光与光电子学进展.2018
论文知识图
